基于跨模态文本语义驱动的少样本缺陷识别方法

本发明公开了基于跨模态文本语义驱动的少样本缺陷识别方法，属于图像处理技术领域。本发明针对工业质检场景中异常样本稀缺且缺陷类型动态演化导致的检测模型泛化不足问题，通过建立动态特征重组机制与自适应判别边界，实现仅需少量正常数据即可精准识别未知的缺陷类型；本发明通过文字描述与图像特征的匹配关系，在正常样本上生成与真实缺陷形态相近的模拟样本；当遇到未见过的缺陷类型时，可以根据文字语义自动调整图像纹理的对比标准，准确区分正常区域与异常区域的细微差异，无需依赖真实缺陷数据，进而提高样本缺陷识别精度。